留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于双粒子群算法的矿井搜救机器人路径规划

封硕 谢廷船 康靖 李建良

封硕,谢廷船,康靖,等.基于双粒子群算法的矿井搜救机器人路径规划[J].工矿自动化,2020,46(1):65-71..  doi: 10.13272/j.issn.1671-251x.2019050092
引用本文: 封硕,谢廷船,康靖,等.基于双粒子群算法的矿井搜救机器人路径规划[J].工矿自动化,2020,46(1):65-71..  doi: 10.13272/j.issn.1671-251x.2019050092
FENG Shuo, XIE Tingchuan, KANG Jing, et al. Path planning of mine search and rescue robot based on two-particle swarm optimization algorithm[J]. Industry and Mine Automation, 2020, 46(1): 65-71. doi: 10.13272/j.issn.1671-251x.2019050092
Citation: FENG Shuo, XIE Tingchuan, KANG Jing, et al. Path planning of mine search and rescue robot based on two-particle swarm optimization algorithm[J]. Industry and Mine Automation, 2020, 46(1): 65-71. doi: 10.13272/j.issn.1671-251x.2019050092

基于双粒子群算法的矿井搜救机器人路径规划

doi: 10.13272/j.issn.1671-251x.2019050092
基金项目: 

国家自然科学基金项目(61803038)

陕西省自然科学基金项目(211425180248)

中央高校基本科研业务费专项资金项目(300102258113)

详细信息
  • 中图分类号: TD67

Path planning of mine search and rescue robot based on two-particle swarm optimization algorithm

  • 摘要: 针对在复杂地形中标准的粒子群算法用于矿井搜救机器人路径规划存在迭代速度慢和求解精度低的问题,提出了一种基于双粒子群算法的矿井搜救机器人路径规划方法。首先将障碍物膨胀化处理为规则化多边形,以此建立环境模型,再以改进双粒子群算法作为路径寻优算法,当传感器检测到搜救机器人正前方一定距离内有障碍物时,开始运行双改进粒子群算法:改进学习因子的粒子群算法(CPSO)粒子步长大,适用于相对开阔地带寻找路径,而添加动态速度权重的粒子群算法(PPSO)粒子步长小,擅长在障碍物形状复杂多变地带寻找路径;然后评估2种粒子群算法得到的路径是否符合避障条件,若均符合避障条件,则选取最短路径作为最终路径;最后得到矿井搜救机器人在整个路况模型中的最优行驶路径。仿真结果表明,通过改进学习因子和添加动态速度权重提高了粒子群算法的收敛速度,降低了最优解波动幅度,改进的双粒子群算法能够与路径规划模型有效结合,在复杂路段能够寻找到最优路径,提高了路径规划成功率,缩短了路径长度。

     

  • 加载中
计量
  • 文章访问数:  55
  • HTML全文浏览量:  4
  • PDF下载量:  9
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-01-20

目录

    /

    返回文章
    返回